weka完整中文教程.doc

数据挖掘工具 WEKA 教程 广东外语外贸大学 杜剑峰 WEKA教程 1. WEKA简介 课程的总体目标和要求： 2. 数据格式 3. 数据准备 熟悉WEKA的基本操作，了 解WEKA的各项功能 4. 属性选择 掌握数据挖掘实验的流程 5. 可视化分析 准备数据 6. 分类预测 选择算法和参数运行 7. 关联分析 评估实验结果 8. 聚类分析 9. 扩展WEKA 了解或掌握在WEKA中加入 新算法的方法 1 1、WEKA简介 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），其源代码可 从http://www.cs.waikato.ac.nz/ml/weka/得到。同时 weka也是新西兰的一种鸟名，而WEKA的主要开发者 来自新西兰。 2005年8月，在第11届ACM SIGKDD国际会议上，怀卡 托大学的WEKA小组荣获了数据挖掘和知识探索领域的 最高服务奖， WEKA系统得到了广泛的认可，被誉为数 据挖掘和机器学习历史上的里程碑，是现今最完备的数 据挖掘工具之一。 WEKA的每月下载次数已超过万次。 1、WEKA简介（续） 作为一个大众化的数据挖掘工作平台， WEKA集成了大 量能承担数据挖掘任务的机器学习算法，包括对数据进 行预处理、分类、回归、聚类、关联分析以及在新的交 互式界面上的可视化等等。通过其接口，可在其基础上 实现自己的数据挖掘算法。 WEKA的界面 2 2、数据格式 WEKA所用的数据格 式（ 跟Excel一样） Explorer界面 Open file… Edit… 2、数据格式（续） WEKA文件相关术语 表格里的一个横行称作一个实例（Instance），相当于统计 学中的一个样本，或者数据库中的一条记录。竖行称作一个 属性（Attribute），相当于统计学中的一个变量，或者数据 库中的一个字段。这样一个表格，或者叫数据集，在WEKA 看来，呈现了属性之间的一种关系(Relation)。上图中一共 有14个实例，5个属性，关系名称为“weather”。 WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。上图所示的二维 表格存储在如下的ARFF文件中。这也就是WEKA自带的 “weather.arff”文件，在WEKA安装目录的“data”子目录下可 以找到。 3 2、数据格式（续） 文件内容说明 识别ARFF文件的重要依据是分行，因此不能在这种文 件里随意的断行。空行（或全是空格的行）将被忽略。 以“%”开始的行是注释，WEKA将忽略这些行。如果你 看到的“weather.arff”文件多了或少了些“%”开始的行， 是没有影响的。 除去注释后，整个ARFF文件可以分为两个部分。 Head information Data information “@data” 4 2、数据格式（续） 关系声明 关系名称在ARFF文件的第一个有效行来定义，格式为 @relation relation-name relation-name是一个字符串。如果这个字符串包含 空格，它必须加上引号（指英文标点的单引号或双引 号）。 2、数据格式（续） “@attribute” “@attribute” “humidity” 85 90 86 96 ... “humidity” class @attribute attribute-name datatype attribute-name 5 2、数据格式（续） WEKA支持的datatype有四种 numeric nominal-specification nominal string date [date-format] 其中nominal-specification 和date-format 将在下 面说明。还可以使用两个类型“integer”和“real”，但是 WEKA把它们都当作“numeric”看待。注意“integer”， “real”，“numeric”，“date”，“string”这些关键字是区分 大小写的，而“relation”、“attribute ”和“data”则不区分。 2、数据格式（续） WEKA nominal-specification {nominal-name1, nominal-name2, nominal-name3, ...} “outlook” “sunny” “ overcast” “rainy” “outlook” @attribute outlook {sunny, ov